0_Linear：线性回归练习 1_LogistRegression：逻辑回归练习 2_boston：波士顿房价预测 3_regularization：正则化 5_stock：股票价格预测 6_CTR：点击率预测 7_all_model：回归与分类模型 8_muticlass：多分类练习 9_regression_implement：不同回归算法tf实现(0_Linear. 1_LogistRegression. 2_boston. 3_regularization. 5_stock. 6_CTR. 7_all_model. 8_muticlass. 9_regression_implement.)
说明： 0_Linear：线性回归练习 1_LogistRegression：逻辑回归练习 2_boston：波士顿房价预测 3_regularization：正则化 5_stock：股票价格预测 6_CTR：点击率预测 7_all_model：回归与分类模型 8_muticlass：多分类练习 9_regression_implement：不同回归算法tf实现(0_Linear. 1_LogistRegression. 2_boston. 3_regularization. 5_stock. 6_CTR. 7_all_model. 8_muticlass. 9_regression_implement.)
kalman filtering for design based on bayesian model
一种关于图像阈值分割的算法，自己试过很好用。(An image threshold segmentation algorithm, I have tried it very well.)
说明： 一种关于图像阈值分割的算法，自己试过很好用。(An image threshold segmentation algorithm, I have tried it very well.)
说明： 使用LSTM算法，对北京的空气质量进行预测，得到未来的拟合。(LSTM algorithm is used to predict the air quality in Beijing and get the future fitting.)
说明： 将原始数据导入，并运用lstm模型进行模拟运算，主要是做预测分析。(The original data are imported and simulated with LSTM model, mainly for prediction and analysis.)
python code for cmapss segmentation
说明： python code for cmapss segmentation
2019meisaiCti,zheshinimeiyouguodequanzinbanben(2019meisaiCti_fanyiban)
说明： 2019meisaiCti,zheshinimeiyouguodequanzinbanben(2019meisaiCti_fanyiban)
数据分析(Python language learning data analysis)
说明： 数据分析(Python language learning data analysis)
copula实现多维相关分析，采用高斯分析多维的关系(Copula implements multidimensional correlation analysis)
智能车控制，预瞄追踪，实车验证，参加过比赛。好用好用好用(Intelligent vehicle control, preview tracking, real vehicle verification, participated in the competition. Good use, good use and good use.)
深度典型相关分析的python实现，DCCA是Galen Andrew于2013年发表于ICML上的一篇文章，提出了将深度网络与CCA结合的新方法。(Deep canonical correlation analysis)
3GPP 36.873信道建模，用Python编写(3GPP 36.873 channel modeling, written in Python)
一维世界qlearning算法实现自主向右移动(one qlearning example)
本站资源：696524 个
本站会员：103945 个
总计下载：488431 次
今日上传：0 个
Copyright© 2019-2024 |
Powered by Imdn
|
浙ICP备16007336号
|
|
联系客服（QQ：3324461878）
本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！
